ElevenLabsAudiomodellAktiv
Scribe v2 Realtime
BeliebtheitPlatz 481 von 876
29von 100wie im Vormonat
Zusammenfassung
Scribe v2 Realtime ist die Live-Variante von ElevenLabs’ Spracherkennung. Sie liefert erste Teiltranskripte laut Anbieter nach rund 150 ms, erkennt Sprache in mehr als 90 Sprachen und nimmt Audiostücke fortlaufend entgegen. Voice Activity Detection segmentiert Sprache automatisch anhand von Pausen.
Scribe v2 Realtime unterstützt PCM mit 8 bis 48 kHz und μ-law sowie einen manuellen Commit für fertige Segmente. Diese Protokollgrenzen steuern, wann ein Audiostück als abgeschlossen gilt. Im Gegensatz zu Scribe v2 ist das Modell auf Streaming ausgelegt, nicht auf einen nachträglichen Batch-Lauf.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 266 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 23
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
VoiceCodeBench: CTEM (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 86.842
- Bewertung
- 86.842
- Messgröße
- canonical token/entity match
- Einheit
- %
- Benchmark-Version
- 1
- Kategorie
- general
- Aufgabe
- ctem
- Aufgabenbezeichnung
- CTEM
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Vals AI
- Status
- active
- Abrufdatum
- 2026-11-06
- Methodik
- Kennung des Quellmodells: elevenlabs/scribe_v2_realtime. Name des Quellmodells: Scribe v2 Realtime. Anbieter laut Quelle: Elevenlabs. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-24. Latenz in Sekunden: 77.696. Standardfehler: 0. Kosten je Aufgabe in USD: 0.007263. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-voice-code-bench-2026-11-06-7753d162bfe3. Prüfsumme der Quelldaten: 7753d162bfe3fa3470d586da3917bf8ddd96f14e10f9aa8f03dd517b8d5f003b. Parserversion: vals-astro-v4. Importiert am: 2026-11-06. Quellenkohorte: vals-voice-code-bench:1:ctem
VoiceCodeBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 55.333
- Bewertung
- 55.333
- Messgröße
- task success rate
- Einheit
- %
- Benchmark-Version
- 1
- Kategorie
- general
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Vals AI
- Status
- active
- Abrufdatum
- 2026-11-06
- Methodik
- Kennung des Quellmodells: elevenlabs/scribe_v2_realtime. Name des Quellmodells: Scribe v2 Realtime. Anbieter laut Quelle: Elevenlabs. Evaluator: Vals AI. Datensatztyp: public. Stand der Rangliste: 2026-09-24. Latenz in Sekunden: 77.696. Standardfehler: 0. Kosten je Aufgabe in USD: 0.007263. Quellenkennung: vals-ai. Kennung der Evidenzaufnahme: vals-voice-code-bench-2026-11-06-7753d162bfe3. Prüfsumme der Quelldaten: 7753d162bfe3fa3470d586da3917bf8ddd96f14e10f9aa8f03dd517b8d5f003b. Parserversion: vals-astro-v4. Importiert am: 2026-11-06. Quellenkohorte: vals-voice-code-bench:1:overall
Artificial Analysis AA-WER Streaming (final transcription) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 3.5946
- Bewertung
- 3.5946
- Messgröße
- word error rate (WER)
- Einheit
- %
- Benchmark-Version
- AA-WER v2.2 streaming
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Unabhängige Evaluation. Direkte Streaming-Auswertung über die API; WER der finalen Transkription über AA-AgentTalk (50 %), VoxPopuli (25 %) und Earnings22 (25 %), insgesamt etwa acht Stunden. WER ist innerhalb jedes Datensatzes nach Dauer gewichtet; Die Chunks von Earnings22 werden auf Ebene des übergeordneten Aufrufs wieder zusammengesetzt. Streaming-Protokoll AA-WER v2.2.
Coval pooled corpus-level STT word error rate (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 4.333868660541119
- Bewertung
- 4.333868660541119
- Messgröße
- Pooled corpus-level speech-recognition word error rate, Coval pooled_value
- Einheit
- %
- Benchmark-Version
- Coval rolling 30-day window, re-measured daily; route last measured 2026-10-16
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 26661
- Quellentyp
- official-leaderboard
- Auswertung
- Coval
- Status
- superseded
- Abrufdatum
- 2026-10-16
- Methodik
- Offizielle Benchmark-Rangliste. Coval-Endpunktschlüssel elevenlabs/scribe_v2_realtime, exakte ElevenLabs-API-Modellkennung scribe_v2_realtime, gehostet von ElevenLabs. Dies ist der Echtzeit-Transkriptionsendpunkt, nicht das separate asynchrone Scribe-v2-Profil. Rollierendes 30-Tage-Fenster, tägliche Neumessung.
- Einordnung
- Dies ist Covals gepoolte, korpusweite STT-WER, nicht der separate Mittelwert pro Clip oder ein gerundeter Ranglistenwert. Gepoolte WER und mittlere WER pro Clip sind unterschiedliche Aggregationen und dürfen nicht als derselbe Wert verglichen werden. Verwendet wird sample_count der WER-Zeile, nicht die Stichprobenzahl einer anderen Metrik oder eine Gesamtzahl der Rangliste. Das Ergebnis beschreibt Covals gehostete 30-Tage-Endpunktkohorte, nicht eine lokale oder native Ausführung.
Pipecat STT Benchmark semantic WER mean (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 3.05
- Bewertung
- 3.05
- Messgröße
- Arithmetic mean semantic word error rate across successfully transcribed samples
- Einheit
- %
- Benchmark-Version
- Pipecat STT Benchmark at commit 94f567299a21f8d617039bc69f137a131f5dedd5, September 2026 semantic-WER judge update
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Pipecat STT Benchmark
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Die gepinnte Ergebnistabelle berichtet Semantic WER über 1.000 versuchte Beispiele aus pipecat-ai/smart-turn-data-v3.1-train. WER Mean ist der Mittelwert über Samples mit zurückgegebenem Transkript. Die Tabelle nennt 99,7 % erfolgreiche Transkripte, aber nicht die genaue Zahl bewerteter WER-Samples. Die Semantic-Bewertung durch Claude Sonnet 5.5 ignoriert Satzzeichen, Kontraktionen, Füllwörter und bedeutungsgleiche Formulierungen. Die Quelle dokumentiert keine Sprachverteilung; die Datensatzvorschau zeigt englische Transkripte.
- Einordnung
- Die genaue Zahl bewerteter WER-Samples und ein modellspezifisches Konfidenzintervall werden nicht veröffentlicht. Die Zahl 1.000 bezeichnet versuchte Samples, nicht den WER-Nenner. Laut README liegen Unterschiede unter etwa 0,25 Prozentpunkten bei den genauesten Diensten innerhalb des 95-%-Bootstrap-Intervalls. Nahe Werte daher nicht als Rangfolge auslegen.
Pipecat STT Benchmark semantic pooled WER (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 3.13
- Bewertung
- 3.13
- Messgröße
- Pooled semantic word error rate, total judged errors divided by total reference words
- Einheit
- %
- Benchmark-Version
- Pipecat STT Benchmark at commit 94f567299a21f8d617039bc69f137a131f5dedd5, September 2026 semantic-WER judge update
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Pipecat STT Benchmark
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Die gepinnte Ergebnistabelle berichtet Semantic WER über 1.000 versuchte Beispiele aus pipecat-ai/smart-turn-data-v3.1-train. Pooled WER teilt die Summe bewerteter semantischer Wortfehler durch die Gesamtzahl der Referenzwörter und schließt Samples ohne zurückgegebenes Transkript aus. Die Tabelle nennt 99,7 % erfolgreiche Transkripte, aber nicht die genaue bewertete Zahl. Die Semantic-Bewertung durch Claude Sonnet 5.5 ignoriert Satzzeichen, Kontraktionen, Füllwörter und bedeutungsgleiche Formulierungen. Die Quelle dokumentiert keine Sprachverteilung; die Datensatzvorschau zeigt englische Transkripte.
- Einordnung
- Die genaue Zahl bewerteter WER-Samples und ein modellspezifisches Konfidenzintervall werden nicht veröffentlicht. Die Zahl 1.000 bezeichnet versuchte Samples, nicht den WER-Nenner. Laut README liegen Unterschiede unter etwa 0,25 Prozentpunkten bei den genauesten Diensten innerhalb des 95-%-Bootstrap-Intervalls. Nahe Werte daher nicht als Rangfolge auslegen.
Coval rolling-30-day pooled word error rate, 2026-10-17 snapshot (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 4.3
- Bewertung
- 4.3
- Messgröße
- Pooled endpoint word error rate (WER)
- Einheit
- %
- Benchmark-Version
- Coval daily fixed-audio endpoint benchmark, rolling 30-day window; route last measured 2026-10-17
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 26660
- Quellentyp
- independent-evaluator
- Auswertung
- Coval Voice AI Benchmarks
- Status
- superseded
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakter Streaming-Endpunkt ElevenLabs Scribe v2 Realtime, nicht das separate asynchrone Modell Scribe v2. Coval misst festgelegtes öffentliches Sprachmaterial täglich neu und aggregiert über ein rollierendes 30-Tage-Fenster. Die Seite vom 17. Oktober 2026 nennt 4,3 % WER bei 26.660 Samples, auf eine Dezimalstelle gerundet.
- Einordnung
- Dies ist ein neuer datierter Snapshot des rollierenden Fensters. Die aktuelle Seite zeigt WER nur auf eine Dezimalstelle und ersetzt daher nicht den präziseren Wert vom 16. Oktober 2026; ein Konfidenzintervall wird nicht gezeigt.
Speko FLEURS read-speech streaming WER (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 4.32
- Bewertung
- 4.32
- Messgröße
- word error rate (WER)
- Einheit
- %
- Benchmark-Version
- Speko STT route elevenlabs:scribe_v2_realtime; cell measured 2026-10-01
- Kategorie
- speech-to-text / streaming
- Richtung
- Weniger ist besser
- Stichprobe
- 1541
- Quellentyp
- independent-evaluator
- Auswertung
- Speko speech-to-text benchmark
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Speko-Route elevenlabs:scribe_v2_realtime, angezeigtes Modell Scribe v2 Realtime; Streaming über Live-Socket mit Echtzeit-Audiowiedergabe; FLEURS read-English test+dev+train; live socket at real-time pace. Gemessen am 2026-10-01.
- Einordnung
- Für diese WER-Zelle wird kein Konfidenzintervall veröffentlicht. Die allgemeine Board-Überschrift trägt ein älteres Datum; die exakte Zellenangabe nennt 2026-10-01 und ist hier maßgeblich. Die Route ist Scribe v2 Realtime, nicht die Batch-Route.
Speko EdAcc spontaneous-conversation WER (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 12.54
- Bewertung
- 12.54
- Messgröße
- word error rate (WER)
- Einheit
- %
- Benchmark-Version
- Speko STT route elevenlabs:scribe_v2_realtime; cell measured 2026-10-01
- Kategorie
- speech-to-text / streaming
- Richtung
- Weniger ist besser
- Stichprobe
- 283
- Quellentyp
- independent-evaluator
- Auswertung
- Speko speech-to-text benchmark
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Speko-Route elevenlabs:scribe_v2_realtime, angezeigtes Modell Scribe v2 Realtime; Streaming über Live-Socket mit Echtzeit-Audiowiedergabe; EdAcc spontaneous accented conversation; 60 speakers; two realtime passes. Gemessen am 2026-10-01.
- Einordnung
- Für diese WER-Zelle wird kein Konfidenzintervall veröffentlicht. Die allgemeine Board-Überschrift trägt ein älteres Datum; die exakte Zellenangabe nennt 2026-10-01 und ist hier maßgeblich. Die Route ist Scribe v2 Realtime, nicht die Batch-Route.
AssemblyAI normalized WER mean across three noise conditions (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 7.78
- Bewertung
- 7.78
- Messgröße
- normalized word error rate, direct reported mean over no, low and heavy noise
- Einheit
- %
- Benchmark-Version
- AssemblyAI benchmark snapshot; runs 2026-08-27 to 2026-09-22
- Kategorie
- speech-to-text
- Richtung
- Weniger ist besser
- Quellentyp
- vendor-reported
- Auswertung
- AssemblyAI speech benchmark
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. AssemblyAIs Benchmarkseite veröffentlicht für die exakte Zeile Scribe v2 Realtime den Mittelwert aus drei Bedingungen: ohne Rauschen, mit leichtem und mit starkem Rauschen. Die Zeile zeigt 7,78 % sowie 6,18 %, 7,53 % und 9,64 % für die Einzelbedingungen. Laufzeitraum: 27. August bis 22. September 2026; laut Seite eine Zeile pro Modell, jeweils der jüngste Lauf. Das Bundle übernimmt den veröffentlichten Mittelwert, keine eigene Neuberechnung.
- Einordnung
- AssemblyAI ist Evaluator und zugleich Sprachanbieter. Eine modellbezogene Stichprobengröße, ein Konfidenzintervall und eine unveränderliche Serving-Revision des Wettbewerbermodells werden nicht veröffentlicht.
AssemblyAI normalized medical entity error rate mean across three sets (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 7
- Bewertung
- 7
- Messgröße
- normalized medical entity error rate, direct reported mean over three clinical sets
- Einheit
- %
- Benchmark-Version
- AssemblyAI benchmark snapshot; runs 2026-08-18 to 2026-09-22
- Kategorie
- medical speech-to-text
- Richtung
- Weniger ist besser
- Quellentyp
- vendor-reported
- Auswertung
- AssemblyAI speech benchmark
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. AssemblyAIs Tabelle zur medizinischen Entitätserkennung veröffentlicht für die exakte Zeile Scribe v2 Realtime den Mittelwert aus Primary Care, klinischem Diktat und Atemwegsdaten. Der ausgewiesene Mittelwert beträgt 7,00 %, die Einzelwerte sind 10,89 %, 8,01 % und 2,09 %. Laufzeitraum: 18. August bis 22. September 2026; laut Seite eine Zeile pro Modell, jeweils der jüngste Lauf.
- Einordnung
- Die Zeile ist herstellerveröffentlichter Modellvergleich. Eine modellbezogene Stichprobengröße, ein Konfidenzintervall und eine unveränderliche Serving-Revision des Wettbewerbermodells werden nicht veröffentlicht.
FLEURS / reported accuracy across 30 European and Asian languages (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 93.5
- Bewertung
- 93.5
- Messgröße
- Publisher-reported accuracy; calculation not specified
- Einheit
- %
- Benchmark-Version
- ElevenLabs Scribe v2 Realtime FLEURS chart, 30-language comparison; evaluation date not stated
- Kategorie
- automatic speech recognition
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- ElevenLabs, Introducing Scribe v2 Realtime
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Der exakte Modellname der Quelle lautet Scribe v2 Realtime; laut Artikel ist das Modell über die ElevenLabs-API verfügbar. Die Grafik ist als FLEURS-Ergebnisse über 30 europäische und asiatische Sprachen überschrieben. Der Artikel berichtet 93,5 % Genauigkeit über 30 gebräuchliche Sprachen. Die Quelle spezifiziert weder die Berechnung der Genauigkeit, Sprachliste, Datenteilung, Auswertungsdatum, Nenner je Modell, API-Revision noch Generierungs- oder Decodierungseinstellungen. Ein separater Satz erwähnt 500 schwierige Beispiele, bindet diese Zahl aber nicht ausdrücklich an das 30-Sprachen-Ergebnis.
- Einordnung
- Die veröffentlichte Genauigkeit ist nicht mit der Wortfehlerrate gleichzusetzen; es wird keine Umrechnung vorgenommen. Es handelt sich um einen eigenständigen 30-Sprachen-Gesamtwert, nicht um die bereits im eingefrorenen Input enthaltene englische FLEURS-Streaming-WER. Die Artikelseite nennt als Veröffentlichungsdatum den 11.11.2025, datiert aber die Auswertung nicht. N und Konfidenzintervall werden weder veröffentlicht noch abgeleitet.
Seite 1 von 23
Beliebtheit im Vergleich
Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.
Beliebtheitsindex
0 bis 100, höher ist beliebter
20 von 83 Modellen
Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex
Zeitlicher Verlauf
Wochenwerte vom 18. Oktober 2026 bis 6. November 2026
Scribe v2 RealtimeIndex-Echo-S2ST-2B 30Voxtral Mini TTS 29MOSS-Audio-4B-Thinking 29Index-Echo-S2ST-9B 29
Methodenwechsel im Verlauf, ein Sprung an dieser Stelle ist kein Marktereignis:
- 11. November 2026: Wert nur mit Such- oder Nutzungsdaten, 30-Tage-Aufmerksamkeit
Was gerade an Beliebtheit gewinnt, steht für Modelle, Anbieter, Harnesses und KI-Abos gesammelt in Alle KI-Trends.
Scribe v2 Realtime im Vergleich
- 1Scribe v2 Realtime vs. Gemini 3.5 Transcribe Live21 gemeinsame Tests
- 2Scribe v2 Realtime vs. GPT-Live-Transcribe4 gemeinsame Tests
- 3Scribe v2 Realtime vs. GPT-Realtime-Whisper3 gemeinsame Tests
- 4Scribe v2 Realtime vs. Flux19 gemeinsame Tests
- 5Scribe v2 Realtime vs. Nova-321 gemeinsame Tests
- 6Scribe v2 Realtime vs. Voxtral Mini Transcribe Realtime6 gemeinsame Tests
- 7Scribe v2 Realtime vs. Cartesia Ink-23 gemeinsame Tests
- 8Scribe v2 Realtime vs. Muse Voice Transcribe5 gemeinsame Tests
Ähnliche Modelle
Weitere Modelle derselben Art wie Scribe v2 Realtime, ausgewählt nach Modellreihe, Anbieter, Größe, Preis und Erscheinungsdatum.
- Eleven v3ElevenLabs · gleicher Anbieter
- Scribe v2ElevenLabs · gleicher Anbieter
- Eleven v3 ConversationalElevenLabs · gleicher Anbieter
- Eleven Flash v2.5ElevenLabs · gleicher Anbieter
- Eleven Multilingual STS v2ElevenLabs · gleicher Anbieter
- Eleven Text to Sound v2ElevenLabs · gleicher Anbieter
- Eleven Music v2.5ElevenLabs · gleicher Anbieter
- Scribe v2 MedicalElevenLabs · gleicher Anbieter
Alle technischen Daten
Architektur
Ein- und Ausgabe
Wasserzeichen und Herkunft
KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.
- KI-Wasserzeichen
- Unbekannt
- ohne Quelle
- Wasserzeichen-Technik
- Nicht bekannt
- ohne Quelle
Lizenz und Zugang
API
Weitere Angaben
Quellen und Datenstand
Alle 37 Quellen anzeigen
Benchmarkquellen im Überblick
Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.
| Auswerter | Testreihen | Gesamtindizes | Erfasste aktive Messwerte |
|---|---|---|---|
| Vals AI | 1 | 0 | 3 |
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.